为了应对医疗保健系统的成本和复杂度飞速增长、治疗方案不断增多以及信息传达不畅等问题，本文提出了一个通用的计算机 / 人工智能（AI）框架。 该框架结合了马尔可夫决策过程和动态决策网络，从临床数据中学习并制定综合的多方案规划，以优化患者治疗方案和促进患者康复，相较传统医疗保健方式大幅提高了患者康复率并降低了治疗成本。

Jan, 2013

本文认为模拟平台使得新型的具身空间推理得以实现，它由物体和事件语义的形式化模型所促进，这使得开放式、实时环境的连续定量搜索空间变得易处理。通过示例，本文说明了一种基于语义的人工智能系统如何利用游戏引擎提供的精确数值信息来执行关于物体和事件的定性推理、从数据中学习新概念、与人类进行交流以提高其模型并展示其理解。本文认为模拟环境，特别是游戏引擎，整合了许多不同的 “模拟” 概念和许多不同的技术，为开发机器和人类智能方面的人工智能系统和工具提供了高效的平台.

Feb, 2019

该研究提出了使用认知模型作为模拟人类代替人类与人工智能交互和收集反馈以提高训练效率的方法，并在道德决策制定方面实践，表明这是计算认知科学对人工智能的重要贡献。其中使用强化学习代理与认知模型交互学习公平性，并能理性调整行为，以此为例说明认知模型作为人类模拟器在训练人工智能系统方面是有效的。

Oct, 2022

通过仿真理论的视角引导框架 SimToM，在 Theory of Mind (ToM) 的背景下，改进了大型语言模型（LLMs）的推理能力，无需额外训练和大量提示微调，从而实现了对 ToM 能力的显著提升。

Nov, 2023

提出了一种实用的语义通信框架，通过理论心智（ToM）模拟接收者的神经网络，使用动态两级反馈机制实现有效的面向目标的信息共享，优化信道编码过程，提供语义反馈级别并减少比特量，从而实现高效的通信。

Nov, 2023

DualMind 使用新颖的 “双阶段” 训练策略来解决现有方法所提出的挑战，可以处理跨领域，场景和具体体现的任务，并在 MetaWorld 和 Habitat 上进行了广泛的评估和实验，其表现优于其他广义智能体，MetaWorld 上成功率可达 90% 以上的 30 个任务。

Jul, 2023

介绍了一种基于想象的规划器，可以学习构建、评估和执行计划，并可通过学习策略等手段进行多方案模拟，联合优化外部收益和计算成本等目标。

Jul, 2017

介绍了一种元认知模块，使生成式智能体能够观察自己的思维过程和行为，从而显著提高性能并改进策略。在多种情景中进行了测试，包括求生僵尸启示录，发现我们的系统胜过其他系统，而且智能体随着时间适应并改进任务策略。

Jan, 2024

MindDial 是一种新的对话框架，可以生成特定语境下的自由形式响应来协商共同点。

Jun, 2023

本文提出了一种学习智能体的模型，其与环境的交互由基于模拟的投射控制，该模型通过随机行走的方式对记忆片段网络进行模拟，筛选特定特征以触发智能体动作，提供了一种新的基于实体认知科学的智能行动学习途径，并与强化学习和量子计算领域进行了连接。

Apr, 2011